O que é Análise Cohort? Guia completo para entender retenção e comportamento de usuários
Se você acompanha métricas de marketing ou produto e percebe que seus números gerais “parecem bons” mas o negócio não cresce como esperado, é provável que esteja olhando para os dados errados. A análise cohort é uma técnica que revela o que as médias escondem — ela mostra como grupos específicos de usuários se comportam ao longo do tempo, tornando visível o problema de retenção que destrói negócios silenciosamente.
Neste guia você vai entender o que é análise cohort, como ela funciona, como interpretar uma tabela cohort e quando aplicá-la no seu negócio digital.
- O que é: técnica analítica que agrupa usuários por uma característica em comum (geralmente data de aquisição) e acompanha seu comportamento ao longo do tempo.
- Para que serve: medir retenção, identificar em qual momento os usuários abandonam o produto e avaliar o impacto de mudanças no produto ou marketing.
- Principal métrica: taxa de retenção por período (semana, mês) para cada cohort.
- Onde é usada: SaaS, apps, e-commerce, marketplaces — qualquer negócio com usuários recorrentes.
O que é análise cohort?
Uma cohort (ou coorte) é um grupo de pessoas que compartilham uma característica em um período específico. Na análise de negócios digitais, o tipo mais comum é o cohort de aquisição: todos os usuários que se cadastraram ou fizeram sua primeira compra no mesmo mês são tratados como um grupo.
A análise cohort acompanha o que acontece com cada um desses grupos ao longo do tempo — quantos voltaram no mês 1, no mês 2, no mês 6. Isso é radicalmente diferente de olhar para métricas agregadas, porque elimina o efeito de novos usuários mascarando a perda dos antigos.
Por que a análise cohort é tão importante?
Imagine um app com 10.000 usuários ativos em janeiro. Em fevereiro são 11.000. Parece crescimento saudável — mas e se 4.000 usuários do mês de janeiro abandonaram o app e foram substituídos por 5.000 novos? Você está num treadmill: crescendo em número bruto, mas com um produto que não retém ninguém.
A análise cohort torna esse problema visível. Ela responde perguntas como:
- Após 3 meses, que porcentagem dos usuários de janeiro ainda está ativa?
- Os usuários captados após o lançamento de uma nova feature retêm melhor?
- Em qual semana ocorre o maior abandono?
- O LTV (Lifetime Value) está melhorando ou piorando entre cohorts mais recentes?
Como funciona a tabela cohort
A análise cohort é normalmente apresentada em uma tabela de calor (heatmap). Veja como ler:
| Cohort (mês de entrada) | Mês 0 | Mês 1 | Mês 2 | Mês 3 |
|---|---|---|---|---|
| Janeiro (500 usuários) | 100% | 42% | 28% | 22% |
| Fevereiro (620 usuários) | 100% | 45% | 31% | 24% |
| Março (780 usuários) | 100% | 51% | 35% | — |
Como ler: cada linha é um grupo de usuários que entrou em determinado mês. As colunas mostram o percentual que ainda estava ativo após 1, 2 e 3 meses. No exemplo, os usuários de março retêm melhor que os de janeiro — o que pode indicar uma melhoria no produto ou no onboarding.
Tipos de análise cohort
Cohort de aquisição (o mais comum)
Agrupa usuários pela data de cadastro, primeira compra ou primeiro uso. Ideal para medir retenção e evolução do LTV ao longo do tempo.
Cohort comportamental
Agrupa usuários por uma ação que realizaram — como usuários que completaram o onboarding, que usaram uma feature específica ou que fizeram upgrade para o plano pago. Permite comparar a retenção entre quem usa e quem não usa determinada funcionalidade.
Cohort de segmento
Agrupa por canal de aquisição, região, plano ou qualquer outra segmentação. Útil para entender qual canal traz usuários com melhor retenção e LTV — não apenas mais volume.
Como construir uma análise cohort passo a passo
1. Defina a cohort e o evento de conversão
Decida qual será o critério de agrupamento (data de cadastro, de compra) e qual ação indica “atividade” (login, compra, uso de feature). Sem isso definido, a análise não tem significado.
2. Exporte os dados
Você precisa de uma tabela com pelo menos: ID do usuário, data do evento de entrada e datas dos eventos subsequentes. Ferramentas como Google Analytics 4, Mixpanel, Amplitude e Braze já geram cohort reports nativamente.
3. Monte a tabela no Excel ou Google Sheets
Para cada cohort (linha), calcule o percentual de usuários que retornou em cada período subsequente. Aplique formatação condicional para criar o heatmap visual.
4. Identifique os pontos críticos
Onde a curva cai mais abruptamente? Em geral, a maior queda ocorre entre o Mês 0 e o Mês 1 — o que aponta para problemas de onboarding ou de expectativa vs. realidade do produto.
5. Compare cohorts e tire conclusões
Compare cohorts antes e depois de mudanças significativas (lançamento de feature, novo fluxo de onboarding, campanha de engajamento). Isso valida se as iniciativas realmente melhoraram a retenção.
Análise cohort vs. outras métricas de retenção
| Métrica | O que mede | Limitação |
|---|---|---|
| DAU/MAU | Usuários ativos diários/mensais | Oculta a composição entre novos e recorrentes |
| Churn rate | % que cancelou em um período | Não revela quando o abandono ocorre na jornada |
| Retenção D7/D30 | % ativo após 7 ou 30 dias | Snapshot de um ponto — não mostra a tendência |
| Análise Cohort | Retenção de grupos ao longo do tempo | Requer dados históricos e configuração inicial |
Ferramentas para fazer análise cohort
- Google Analytics 4: relatório de cohort nativo na seção “Explorar” — gratuito e integrado ao seu site.
- Mixpanel: uma das ferramentas mais poderosas para cohort behavior analysis — ideal para produtos digitais.
- Amplitude: foco em product analytics com cohort reports detalhados — popular em empresas de médio e grande porte.
- Excel / Google Sheets: para bases menores, uma tabela dinâmica com formatação condicional resolve bem.
- Looker / Metabase: para análises customizadas com dados do seu banco via SQL.
Perguntas frequentes sobre análise cohort
Qual é o tamanho mínimo de cohort para a análise ser válida?
Depende do negócio, mas como regra geral, cohorts com menos de 100 usuários podem gerar resultados instáveis por variância estatística. Para decisões importantes, prefira cohorts de pelo menos 200 a 500 usuários antes de tirar conclusões.
Análise cohort serve para e-commerce?
Sim, é muito usada em e-commerce para medir retenção de compradores. O cohort é formado por clientes que fizeram a primeira compra no mesmo mês, e a retenção é medida pela porcentagem que fez uma segunda ou terceira compra nos meses seguintes — fundamental para calcular o LTV real.
Com que frequência devo atualizar minha análise cohort?
Para a maioria dos negócios, uma revisão mensal é suficiente. Em produtos com crescimento acelerado ou que estão testando mudanças frequentes, revisões semanais ajudam a detectar impactos mais rapidamente.
O que é uma boa taxa de retenção no mês 1?
Varia muito por setor. Em apps de consumo, reter 25-40% no mês 1 já é considerado bom. Em SaaS B2B, o esperado é acima de 80% no mês 1. O mais importante é comparar com o seu próprio histórico e com benchmarks do seu segmento específico.
Análise cohort e funil de conversão são a mesma coisa?
Não. O funil de conversão mostra as etapas até a primeira conversão. A análise cohort começa após essa conversão e acompanha o comportamento ao longo do tempo. São complementares: o funil explica aquisição, a cohort explica retenção.
Conclusão
A análise cohort é uma das ferramentas mais poderosas do arsenal de marketing digital e product analytics porque revela a verdade que as métricas agregadas escondem. Quando você vê que cohorts mais recentes retêm melhor que as antigas, tem evidência concreta de que o produto está melhorando. Quando vê o contrário, tem um sinal de alerta antes que o churn destrua o negócio.
Se você ainda não aplica cohort analysis no seu negócio, comece pelo Google Analytics 4 — o relatório de exploração de cohorts é gratuito e já traz insights valiosos. Confira também outros conteúdos sobre marketing digital no Atraca para aprofundar sua visão analítica.
Comentários